基于学科异构知识网络的学术文献推荐方法研究

图书馆杂志 ›› 2020, Vol. 39 ›› Issue (8): 103-110.

基于学科异构知识网络的学术文献推荐方法研究

朱祥张云秋惠秋悦

出版日期:2020-08-25 发布日期:2020-08-25
作者简介:朱祥吉林大学公共卫生学院医学信息学系，博士研究生。研究方向：知识融合。作者贡献：提出研究思路和论文框架，撰写论文并修改。 E-mail： zhuxiang17@mails.jlu.edu.cn 吉林长春 130021 张云秋女，吉林大学公共卫生学院医学信息学系，教授，博士生导师。研究方向：数据挖掘与知识发现。作者贡献：确定论文选题，提出修改意见，进行研究内容的完善和修改。吉林长春 130021 惠秋悦女，吉林大学公共卫生学院医学信息学，本科生。作者贡献：数据处理。吉林长春 130021

An Academic Literature Recommendation Method Based on Disciplinary Heterogeneous Knowledge Network

Zhu Xiang, Zhang Yunqiu, Hui Qiuyue

Online:2020-08-25 Published:2020-08-25

摘要/Abstract

摘要： ? 在学术研究中，提高作者引用学术文献的效率和准确性具有重要意义。文章在构建学科异构知识网络模型的基础上，利用元路径理论和DPRel相关性度量算法构建作者-文献相关性矩阵，进而依据相关性排名实现学术文献推荐。最后通过实证研究证明该方法的有效性。

关键词: 学术文献推荐学科异构知识网络元路径 DPRel

Abstract: In academic research, it is important to improve the efficiency and accuracy of the author’s citation of academic literature. Based on the construction of the heterogeneous knowledge network model, the paper constructs the author-document correlation matrix by means of the meta-path theory and the DPRel correlation metric algorithm, and then realizes the academic literature recommendation based on the relevance ranking. Finally, the effectiveness of the method is proved by empirical research.

Key words: Academic literature recommendation, Subject heterogeneous knowledge network, Metapath, DPRel

朱祥张云秋惠秋悦. 基于学科异构知识网络的学术文献推荐方法研究[J]. 图书馆杂志, 2020, 39(8): 103-110.

Zhu Xiang, Zhang Yunqiu, Hui Qiuyue. An Academic Literature Recommendation Method Based on Disciplinary Heterogeneous Knowledge Network[J]. Libraly Journal, 2020, 39(8): 103-110.

参考文献

[ 1 ] 李琳娜, 张志平, 刘春霞. 文献推荐系统综述[J]. 数字图书馆论坛, 2012(5): 32-38. [ 2 ] 李楚桐, 莫赞. 基于协同过滤算法的推荐系统研究[J]. 信息通信, 2018(2): 38-39. [ 3 ] 单京晶. 基于内容的个性化推荐系统研究[D]. 长春: 东北师范大学, 2015. [ 4 ] Sharma A, Dey S. A Document-level Sentiment Analysis Approach Using Artificial Neural Network and Sentiment Lexicons[J]. ACM SIGAPP Applied Computing Review, 2012, 12(4): 67-75. [ 5 ] 硕良勋, 柴变芳, 张新东. 基于改进最近邻的协同过滤推荐算法[J]. 计算机工程与应用, 2015, 51(5): 137-141. [ 6 ] 张光卫, 李德毅, 李鹏, 等. 基于云模型的协同过滤推荐算法[J]. 软件学报, 2007, 18(10): 2403- 2411. [ 7 ] 王国霞. 基于用户引力的协同过滤推荐算法[J]. 计算机应用研究, 2016, 33(11): 3329-3333. [ 8 ] SUGIYAMA K, KAN M. Exploiting Potential Citation Papers in Scholarly Paper Recommendation[C]// Proceedings of the 13th ACM/IEEE-CS Joint Conferenceon Digital Libraries. New York: ACM, 2013: 153-162. [ 9 ] 杜永萍, 杜晓燕, 姚长青. 基于主题效能的学术文献推荐算法[J]. 北京工业大学学报, 2015, 41(2): 215-222. [10] 肖诗伯, 杨玉梅, 兰鹰, 等. 基于多标签属性的学术文献推荐研究[J]. 情报探索, 2015(4): 8-10. [11] 马丙超. 基于引文网络的文献在线推荐系统研究和实现[D]. 大连: 大连理工大学, 2016. [12] 范云满, 方安, 陈凌云. 基于文献耦合的相似文献推荐算法实现[J]. 医学信息学杂志, 2018, 39(4): 74-77. [13] BECKMANN M J. Economic Models of Knowledge Networks[J]. Networks in Action, 1995(3): 159-174. [14] 赵蓉英. 知识网络研究(Ⅱ)——知识网络的概念、内涵和特征[J]. 情报学报, 2007, 26(3): 470- 476. [15] 顾东蕾. 论学科知识网络[J]. 情报杂志, 2008, ] Shan W, Liu C, Yu J. Features of the discipline knowledge network: evidence from China[J]. Technological and Economic Development of Economy, 2014, 20(1): 45-64. [17] Gr?ar M, Lavra? N. A methodology for mining document-enriched heterogeneous information networks[C]//International Conference on Discovery Science. Springer, Berlin, Heidelberg, 2011: 107- 121. [18] Yu X, Ren X, Sun Y, et al. Recommendation in Heterogeneous Information Networks with Implicit User Feedback[C]// Proceedings of the 7th ACM conference on Recommender systems. Hong Kong, ACM, 2013: 347-350. [19] Fu G, Ding Y, Seal A, et al. Predicting drug target interactions using meta-path-based semantic network analysis[J]. BMC bioinformatics, 2016, 17(1): 160. [20] Gupta M, Kumar P, Bhasker B. DPRel: A Meta-Path Based Relevance Measure for Mining